TD 3

Simulation de lois continues

Exercice 1 (Méthodes Génériques) :

A partir d’un GCL dont le module est égale à

𝑚 = 5 ∗ 73 ∗ 172

Utiliser la méthode appropriée pour générer une séquence de 10 nombres issue des lois sui-
vantes :

1- La loi exponentielle de paramètre 10. On rappelle que la densité de la loi

exponentielle de paramètre 𝜆 > 0 est donnée par :

𝑓(𝑥) = 𝜆𝑒 −𝜆𝑥 𝕀𝑥≥0 (𝑥)

Pour simuler une réalisation de la loi exponentielle de paramètre 𝜆, il suffit de

simuler une réalisation 𝑢 de loi uniforme de paramètre [0,1], car 𝐹 −1 (𝑢) est une
réalisation de loi exponentielle de paramètre 𝜆, où 𝐹 −1 est la fonction de réparti-
tion inverse de la loi exponentielle de paramètre 𝜆.

On commence par choisir un GCL qui vérifie les conditions du théorème 2 :

𝑋𝑛+1 = ((5 ∗ 7 ∗ 17 + 1)𝑋𝑛 + 2) 𝑚𝑜𝑑 (5 ∗ 73 ∗ 172 )

A partir de la graine 𝑥 = 1000, on obtient la séquence suivante

100367|342534|444281|122388|84905|48612|225924|333621|88483|198560

A partir de la séquence précédente on construit une séquence de la loi 𝑈[0,1] en

divisant par 5 ∗ 73 ∗ 172 − 1, ce qui donne :

0.2025|0.6911|0.8964|0.2469|0.1713|0.0981|0.4558|0.6731|0.1785|0.4006
La fonction de répartition de la loi exponentielle de paramètre 10 est donnée par :
𝑥 𝑥

𝐹(𝑥) = ∫ 𝑓(𝑡)𝑑𝑡 = ∫ 10𝑒 −10𝑡 𝑑𝑡 = [−𝑒 −10𝑡 ]0𝑥 = 1 − 𝑒 −10𝑥

−∞ 0

Par conséquent, la fonction de répartition inverse est donnée par :

ln(1 − 𝑦)
𝐹(𝑥) = 1 − 𝑒 −10𝑥 = 𝑦 ⟺ 1 − 𝑦 = 𝑒 −10𝑥 ⟺ 𝑥 = − = 𝐹 −1 (𝑦)
10
 TD 3
Simulation de lois continues
Pour finir, la séquence qui soit issue de la loi ℰ(10) s’obtient comme suit :

𝐹 −1 (0.2025) 𝐹 −1 (0.6911) 𝐹 −1 (0.8964) …

Ce qui donne :

0.0226|0.1175|0.2267|0.0284|0.0188|0.0103|0.0608|0.1118|0.0197|0.0512

2- La loi de Cauchy de paramètres 𝑥0 = 0 et 𝑎 = 1. On rappelle que la densité

de la loi de Cauchy de paramètre 𝑥0 et 𝑎 > 0 est donnée par :
𝑎
𝑓(𝑥) =
𝜋[𝑎2 + (𝑥 − 𝑥0 )2 ]

La fonction de répartition de la loi de Cauchy de paramètres 𝑥0 = 0 et 𝑎 = 1 est

donnée par :
𝑥 𝑥
1 arctan 𝑡 𝑥 arctan 𝑥 1
𝐹(𝑥) = ∫ 𝑓(𝑡)𝑑𝑡 = ∫ 𝑑𝑡 = [ ] = +
𝜋(1 + 𝑥 )
2 𝜋 −∞ 𝜋 2
−∞ −∞

Par conséquent, la fonction de répartition inverse est donnée par :

arctan 𝑥 1 1
𝐹(𝑥) = + = 𝑦 ⟺ 𝜋 (𝑦 − ) = arctan 𝑥
𝜋 2 2
1
⟺ 𝑥 = tan 𝜋 (𝑦 − ) = 𝐹 −1 (𝑦)
2
Pour finir, la séquence qui soit issue de la loi de Cauchy de paramètres 𝑥0 = 0 et
𝑎 = 1, s’obtient comme suit :

𝐹 −1 (0.2025) 𝐹 −1 (0.6911) 𝐹 −1 (0.8964) …

Ce qui donne :

−1.354|0.685|2.963| − 1.019| − 1.675| − 3.142| − 0.140|0.605| − 1.592| − 0.323

3- La loi de Weibull de paramètres 𝜆 = 1 et 𝑘 = 0.5. On rappelle que la den-

sité de la loi de Weibull de paramètre 𝜆 > 0 et 𝑘 > 0 est donnée par :

𝑘 𝑥 𝑘−1 −(𝑥)𝑘
𝑓(𝑥) = ( ) 𝑒 𝜆 𝕀𝑥≥0 (𝑥)
𝜆 𝜆
 TD 3
Simulation de lois continues
La fonction de répartition de la loi de Weibull de paramètres 𝜆 = 1 et 𝑘 = 0.5 est
donnée par :
𝑥 𝑥
1 𝑥
1 −1 −𝑡 12 1
𝐹(𝑥) = ∫ 𝑓(𝑡)𝑑𝑡 = ∫ (𝑡) 2 𝑒 𝑑𝑡 = [−𝑒 2 ] = 1 − 𝑒 −𝑥 2
−𝑡
2 0
−∞ 0

Par conséquent, la fonction de répartition inverse est donnée par :

11
−𝑡 2
1
−𝑥 2
𝐹(𝑥) = 1 − 𝑒 + =𝑦 ⟺1−𝑦 =𝑒
2
⟺ 𝑥 = (ln(1 − 𝑦))2 = 𝐹 −1 (𝑦)

Pour finir, la séquence qui soit issue de la loi de Weibull de paramètres 𝜆 = 1 et

𝑘 = 0.5, s’obtient comme suit :

𝐹 −1 (0.2025) 𝐹 −1 (0.6911) 𝐹 −1 (0.8964) …

Ce qui donne :

0.0512|1.3800|5.1398|0.0804|0.0353|0.0107|0.3703|1.2503|0.0387|0.2620

4- La loi Beta de paramètres 𝛼 = 2 et 𝛽 = 2. On rappelle que la densité de la

loi Beta de paramètres 𝛼 > 0 et 𝛽 > 0 est donnée par :
𝑥 𝛼−1 (1 − 𝑥)𝛽−1
𝑓(𝑥) = 𝕀1≥𝑥≥0 (𝑥)
𝐵(𝛼, 𝛽)
𝛼!𝛽!
Où 𝐵(𝛼, 𝛽) = (𝛼+𝛽)!

Dans le cas de la loi Beta la fonction de répartition inverse n’est pas évidente à
calculer alors on utilise la méthode de rejet car on sait que la densité de loi beta
de paramètres 𝛼 = 2 et 𝛽 = 2 vérifie :

𝑓 ≤ 𝑐𝑔

Où 𝑐 est une constante à déterminer et g est la densité de la loi uniforme sur [0,1].

La constante 𝑐 correspond au maximum de la fonction 𝑓 ce maximum est atteint

1
pour 𝑥 = ( vous passez par le tableau des variations) ce qui fait que :
2

1 6
max 𝑓 = 𝑓 ( ) =
2 4
 TD 3
Simulation de lois continues
A partir de là il faut générer des couples (𝑢𝑖 , 𝑐𝑢𝑖 ) où 𝑢𝑖 est une réalisation de la
loi uniforme sur [0,1]. Puis on compare 𝑓(𝑢𝑖 ) avec 𝑐𝑢𝑖 : si 𝑐𝑢𝑖 ≤ 𝑓(𝑢𝑖 ) alors on
accepte 𝑢𝑖 comme une réalisation de la loi beta de paramètres 𝛼 = 2 et 𝛽 = 2
sinon on la rejette.

Les dix premiers couples sont :

(0.2025,0.3038)|(0.6911,1.0367)|(0.8964,1.3446)|(0.2469, 0.3704)|(0.1713,0.2570)|
(0.0981,0.1471)|(0.4558,0.6837)|(0.6731,1.0097)|(0.1785,0.2678)|(0.4006,0.6009)

On compare le deux élément de chaque couple 𝑐𝑢𝑖 avec 𝑓(𝑢𝑖 ). Les 𝑓(𝑢𝑖 ) sont
donnés par :

0.9690|1.2809|0.5573|1.1157|0.8518|0.5308|1.4883|1.3202|0.8799|1.4407

On a :

0.3038 ≤ 0.9690 alors on accepte 0.2025 1.0367 ≤ 1.2809 alors on accepte 0.6911
1.3446 > 0.5573 alors on rejette 0.8964 0.3704 ≤ 1.1157 alors on accepte 0.2469
0.2570 ≤ 0.8518 alors on accepte 0.1713 0.1471 ≤ 0.5308 alors on accepte 0.0981
0.6837 ≤ 1.4883 alors on accepte 0.4558 1.0097 ≤ 1.3202 alors on accepte 0.6731
0.2678 ≤ 0.8799 alors on accepte 0.1785 0.6009 ≤ 1.4407 alors on accepte 0.4006
Par conséquent, on a une séquence de taille 9 qui soit issue de la loi beta de para-
mètres 𝛼 = 2 et 𝛽 = 2 :

0.2025|0.6911|0.2469|0.1713|0.0981|0.4558|0.6731|0.1785|0.4006|

Il manque une réalisation alors on continue :

(𝑢11 , 𝑐𝑢11 ) = (0.768,1.152) et on a 1.152 > 𝑓(0.768) = 1.069 alors on rejette

0.768.

(𝑢12 , 𝑐𝑢12 ) = (0.7092,1.064) et on a 1.064 ≤ 𝑓(0.7092) = 1.238 alors on ac-

cepte 0.7092 comme la dixième réalisation de la loi beta de paramètres 𝛼 = 2 et
𝛽 = 2.

5- La loi Gamma de paramètres 𝑎 = 0.5 et 𝜃 = 1. On rappelle que la densité

de la loi Gamma de paramètre 𝑎 > 0 et 𝜃 > 0 est donnée par :
𝑥
𝑎−1 −𝜃
𝑥 𝑒
𝑓(𝑥) = 𝕀𝑥≥0 (𝑥)
Γ(𝑎)𝜃 𝑎
 TD 3
Simulation de lois continues
1 1
−
𝑥 2 𝑒 −𝑥 2𝑒 4
Avec Γ(0.5) = √𝜋 et ∀𝑥 ≥ 0, ≤ 𝑔(𝑥) où 𝑔 est la densité de la
Γ(1/2 ) √𝜋
loi de Weibull de paramètre 𝑎.

Exercice 2 (Méthode spécifique) :

Simuler une réalisation de la loi de Fisher à 1 et 2 degrés de liberté.

Une réalisation 𝑓 d’une loi de Fisher à 1 et 2 degrés de liberté est calculée direc-
tement à partir d’une réalisation 𝑥1 de la loi 𝜒12 et d’une réalisation 𝑥2 d’une loi
de 𝜒22 par la formule suivante :

𝑥1 ⁄2
𝑓=
𝑥2 ⁄2
2
D’un autre côté, une réalisation 𝑥 de la loi 𝜒𝑚 nécessite 𝑚 realisations 𝑛1 , … , 𝑛𝑚
de la loi normale centrée réduite et on a :
𝑚

𝑥 = ∑ 𝑛𝑖2
𝑖=1

Pour simuler une réalisation n d’une loi normale centrée réduite il faut deux réa-
lisations 𝑢 et 𝑣 de loi 𝑈[0,1] et on a :

𝑛 = √−2 ln 𝑢 cos(2𝑣𝜋)

Pour simuler une réalisation d’une loi uniforme continue de paramètre [0,1] il
suffit de choisir un bon GCL (Théorème 2). On choisit le GCL suivant :

𝑋𝑛+1 = (112𝑋𝑛 + 14) 𝑚𝑜𝑑 333

A partir des graines 𝑦 = 0 et 𝑧 = 1 on va générer 3 trois réalisation

(𝑦, 𝑧1 ), (𝑦2 , 𝑧2 ), (𝑦3 , 𝑧3 ) de loi uniforme sur {0,332} × {0,332}. On obtient
alors :

(14 , 126) , (250 , 140) , (42 , 43)

Ce qui donne la séquence (𝑢,1 𝑣1 ), (𝑢2 , 𝑣2 ), (𝑢3 , 𝑣3 ) suivante qui soit issue la loi
uniforme sur [0,1] × [0,1] :

(0.042 , 0.380) , (0.753 , 0.422) , (0.127 , 0.130)

 TD 3
Simulation de lois continues
Cette séquence se transforme en une séquence issue de loi normale centrée ré-
duite comme suit :

𝑛1 = √−2 ln 𝑢1 cos(2𝑣1 𝜋) = 2.516

𝑛2 = √−2 ln 𝑢2 cos(2𝑣2 𝜋) = 0.752

𝑛3 = √−2 ln 𝑢3 cos(2𝑣3 𝜋) = 2.031

La première de ces trois réalisations devient la réalisation 𝑥1 = 𝑛12 = 6.330 de

loi 𝜒12 et les deux suivantes deviennent la réalisation 𝑥2 = 𝑛22 + 𝑛32 = 4.690 de
loi 𝜒22 . Pour finir ces deux réalisations deviennent une réalisation f de loi ℱ𝑛1,𝑛2
comme suit :
𝑥1
𝑓= = 2.699
𝑥2 ⁄2